一种基于Efficientdet的旋转目标检测方法、设备及存储设备技术

本发明专利技术提供一种基于Efficientdet的旋转目标检测方法、设备及存储设备，首先，构建基于Efficientdet的遥感图像旋转目标检测的网络结构；采用有向(旋转框)遥感目标数据集对网络结构进行训练，将遥感图像输入至训练完成的网络结构，得到遥感图像的目标检测结果：网络结构训练过程中，采用EfficientNet对输入图像进行各层特征提取，并利用双向跨尺度连接特征融合网络(BiFPN)对提取的各层特征进行融合，得到5个输出特征层；将输出特征层输入至检测层，利用最终的损失函数对目标角度与位置进行损失计算，对网络结构进行训练，得到训练完成的网络，进而对旋转目标进行检测，得到检测结果。本发明专利技术的有益效果是：解决了在旋转物体检测中角度回归不连续性的问题，提升了网络的检测性能。能。能。

【技术实现步骤摘要】
一种基于Efficientdet的旋转目标检测方法、设备及存储设备


[0001]本专利技术涉及视觉目标检测领域，尤其涉及一种基于Efficientdet的旋转目标检测方法、设备及存储设备。

技术介绍

[0002]遥感图像小目标检测是遥感领域的研究热点之一。高空间分辨率(High Spatial Resolution，HSR)遥感图像传感器的发展加速了各种遥感图像的获取具有足够详细的空间结构信息的航空和卫星图像。这些遥感图像可以促进广泛的军事和民用应用，例如海洋监测，城区检测，货物运输，港口管理等。不同于从水平方向获取地面自然图像，但是获得高空间分辨率遥感图像需要以从自上而下的角度看，这是一种很容易受天气和照明影响的图像获取方式。除此之外，多类地理空间目标的小尺度和多变尺度的特性以及缺少手动标注的训练样本使得检测任务变得更具挑战性。许多与遥感图像中小目标检测有关的研究已经展开。
[0003]近年来，随着深度学习技术的发展，研究者们致力于设计一个网络来解决目标检测中的多尺度问题，一些多尺度特征融合的方法也随之出现。FPN(Feature P本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于Efficientdet的旋转目标检测方法，其特征在于：包括以下步骤：S101：构建具有双向跨尺度连接特征融合结构的遥感图像旋转目标检测网络结构；设计旋损失的八参数损失函数，得到最终的角度位置损失函数，将该最终的角度位置损失函数与所述遥感图像旋转目标检测网络结构进行结合，得到最终的网络结构；S102：采用迁移学习对所述遥感图像旋转目标检测网络结构进行训练，得到训练完成的网络结构；最终的网络结构训练过程中，采用改进的EfficientNet网络对输入图像进行各层特征提取，并利用双向跨尺度连接特征融合网络对提取的各层特征进行融合，得到若干输出特征层；将所述输出特征层输入至检测层，即得到训练完成的网络；S103：将遥感数据集输入至所述训练完成的网络结构，得到遥感图像的目标检测结果。2.如权利要求1所述的一种基于Efficientdet的旋转目标检测方法，其特征在于：步骤S101中，所述八参数为边界框中四个角的点坐标，由以下几个部分取得，i)将预测框的四个顶点顺时针移动一个位置；ii)保持预测框顶点的顺序不变；iii)将预测框的四个顶点逆时针移动一个位置；iv)取上述三种情况下的最小值。3.如权利要求1所述的一种基于Efficientdet的旋转目标检测方法，其特征在于：步骤S101中，所述八参数损失函数为：其中，x
i
和y
i
分别表示预测框的第i个顶点和参考框的第i个顶点之间的坐标偏移，和分别表示地面真值框的第i个顶点与参考框的第i个顶点之间的偏移，x
(i+3)％4
与y
(i+3)％4
代表将预测框的四个顶点顺时针移动一...

【专利技术属性】
技术研发人员：麦鸿晟，陈珺，罗林波，熊永华，刘玮，魏龙生，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：